基于行为克隆的机械臂多智能体深度强化学习轨迹跟踪控制

打开文本图片集

摘 要：针对具有非线性干扰以及多变环境的机械臂轨迹跟踪问题，提出了一种结合行为克隆（behavior cloning，BC）的多智能体深度强化学习（multi-agent deep reinforcement learning，MDRL）控制方法。多智能体控制算法中包含了以孪生延迟深度确定性策略梯度算法（twin delayed deep deterministic policy gradient algorithm，TD3）为基底算法的比例积分微分智能体（proportional-integral-derivative agent，PID agent）和直接用深度强化学习策略输出扭矩的智能体（direct deep reinforcement learning agent，DDR agent），并采用两个奖励函数来优化两个agent的策略网络。（剩余20738字）